課程簡介
本次培訓主要結合電商的實際應用，闡述了自然語言處理（NLP），數(shù)據(jù)挖掘（DM）和機器學習（ML）算法的落地和產(chǎn)出過程，對于在大數(shù)據(jù)處理方面的技巧和變現(xiàn)能力會有很大的提升。
目標收益
1.學員能夠深刻了解大數(shù)據(jù)是什么，以及大數(shù)據(jù)的意義和關聯(lián)性，培養(yǎng)對于大數(shù)據(jù)的敏感性；
2.學員學習算法如何才能創(chuàng)造價值：
1）對于待解決問題的全面評估，包括ROI分析等；
2）在有提升空間的基礎之上，算法如何“接地氣”和數(shù)據(jù)融合，并最終產(chǎn)出；
3）了解如何通過流程來控制和保證算法產(chǎn)出的過程。
培訓對象
課程內(nèi)容
本次培訓主要結合電商的實際應用，闡述了自然語言處理（NLP），數(shù)據(jù)挖掘（DM）和機器學習（ML）算法的落地和產(chǎn)出過程，對于在大數(shù)據(jù)處理方面的技巧和變現(xiàn)能力會有很大的提升。
課程大綱
| 關聯(lián)規(guī)則（Apriori）算法在實際應用中的優(yōu)化 |
1、作弊訂單去除 2、“最佳拍檔”中的關聯(lián)規(guī)則 講述了基本的關聯(lián)規(guī)則算法 3、問題發(fā)現(xiàn)與分析 （1）訂單數(shù)據(jù)反作弊 （2）數(shù)據(jù)+算法融合的角度 （3）badcase實例印證 4、效果空間預估 5、算法改進 6、效果的衡量 （1）上線前：Debug工具 （2）上線：ABtest系統(tǒng) 7、ROI分析 8、案例啟示&下一步嘗試 |
| 商品評論排序?qū)τ谟脩糍徺I的影響 |
1、評論排序因素 2、內(nèi)容相關性計算 （1）商品內(nèi)容表示 （2）評論內(nèi)容表示 （3）商品和評論的相似性計算 3、排序模型 4、效果評估 （1）測試方法 （2）衡量指標 （3）效果對比及分析 5、作弊與反作弊 6、評論智能排序-ROI分析 |
|
關聯(lián)規(guī)則（Apriori）算法在實際應用中的優(yōu)化 1、作弊訂單去除 2、“最佳拍檔”中的關聯(lián)規(guī)則 講述了基本的關聯(lián)規(guī)則算法 3、問題發(fā)現(xiàn)與分析 （1）訂單數(shù)據(jù)反作弊 （2）數(shù)據(jù)+算法融合的角度 （3）badcase實例印證 4、效果空間預估 5、算法改進 6、效果的衡量 （1）上線前：Debug工具 （2）上線：ABtest系統(tǒng) 7、ROI分析 8、案例啟示&下一步嘗試 |
|
商品評論排序?qū)τ谟脩糍徺I的影響 1、評論排序因素 2、內(nèi)容相關性計算 （1）商品內(nèi)容表示 （2）評論內(nèi)容表示 （3）商品和評論的相似性計算 3、排序模型 4、效果評估 （1）測試方法 （2）衡量指標 （3）效果對比及分析 5、作弊與反作弊 6、評論智能排序-ROI分析 |
近期公開課推薦
